发布时间：2024-2-2 分类： 电商动态
从数据操作的角度出发，本文从方法论上分解了P2P平台的数据操作，构建了完整的数据操作系统。
自2014年我开始使用P2P行业已有三年多了。习惯上在过去的一年和年初对我的学习，工作和生活做一些总结。以前的摘要是分散的。现在我想逐步从框架到细节做出一些结论。
我在P2P行业共使用了三个平台，从促销到运营，从运营到产品，从产品到运营。在P2P平台的操作过程中，发现可以以非常详细的方式完成对操作数据的挖掘和分析。现在我使用数据操作透视图从方法分解P2P平台的数据操作，构建完整的数据操作系统。
为什么要进行数据操作？
数据操作是准确地分析具有某些特征的用户，甚至是某个用户在平台上的所有操作行为，研究和分析他们的操作行为并做出行为预测，调整有针对性的操作策略，从而做到精益求精的目的操作。
数据操作的分解步骤
如下图所示，我已经按如下方式分解了数据操作的步骤，然后根据八个分解步骤逐一解释它们。
业务流程
P2P业务流程，这并不了解P2P从业者。
运作流程
基本操作流程（即用户的操作流程）彼此相似。主要区别在于每个平台具有不同的用户操作功能设计，或者数据采集的来源不同。在这里，我们分解了简短的用户操作流程。
原则上，我们需要在平台上拥有用户的所有操作记录。通俗地说，谁在做什么，何时做什么，这是什么？所以我们的第一步是按照分解步骤来获取用户的操作记录，这是最原始的基本数据。需求。
流程要求
除基本数据要求外，整个运作过程中相应的部门和职位是否产生了这些工作要求？这是我们需要考虑的问题，然后在通用平台架构中，操作部门可以大致分为以下七个部门，并列出所涉及的基本框架要求。
对于先前流程要求中提到的一些数据要求，以下是数据的简要说明，请参见下表：
关于工艺要求，它们不再逐一列出。以上只是一些基本框架要求的列举，并且有太多的数据模型可以在框架下进行改进。
用户评价
可以根据上述用户状态对操作系统中用户的不同状态的分层定义进行分类。
观察/注册/开户/充值/投资/再投资/还款/续订/提款/取回
当我们对用户进行分类时，我们从图层统计的层次状态中提取状态，我们可以得到用户生命周期的模型。我提取了一份数据样本并制作了一个数据图，如下所示：
从上图中的示例数据可以看出，我暂时将用户的生命周期设置为90天。这也是我目前定义的P2P平台新用户（新用户注册时间90天内），以便进行用户生命周期。分析。如图所示，我将Y/X轴分为主轴和时间轴。由于用户注册，我有这个数据。将数据导入软件后，我得到了图片。
从示例图的数据中我得出以下结论：
用户从注册时间到第一次充电时间到期。用户做出了大约10天的决定。
用户已经做出了从第一次充电到第一次投资结束约5天的决定。
自第一次付款以来，用户已经参考时间顺序执行了取款操作和再投资操作。它表示用户已经历过平台的操作，然后恢复了操作。
用户的充值和投资决策时间（时间线）间隔越短，相应资金越高，用户逐渐进入沉淀期越多。
相应用户的决策行为受到许多外部因素的影响，例如：品牌活动，营销活动，客户服务访问和开发。
战略调整
提取用户评分数据，并在分析后调整操作策略。
以下是两个常见的数据应用程序：
1.在一般的交通促销渠道，如何判断和分析哪些新用户在一定条件下更值得发展。
用户决策越困难，开发的价值就越大。例如，注册程序相对简单，以实名开立银行存款账户的操作要困难得多，用户需要填写自己的ID号和银行卡信息。做出重大决策的难度是第一次充电和第一次出手。
注册开立账户的决定时间，注册或开立账户的时间为首次收费的第一次收费。在高精度反欺诈（用户背心小号）功能之前，决策时间较短的两类用户很可能以营销活动和渠道导向的CPS活动为指导。所以相对来说，两种决策时间越长，用户的一定的真实性，平台的一定观察期，以及经过慎重考虑后的决策操作就越多。
在CPS推广渠道中，以某些奖励回报为指导的用户，转化用户的第一笔投资金额的大部分来自CPS推广渠道的活动门槛。如果频道的第一投资金额>渠道活动门槛，那么这些用户的发展价值相对较高。此外，第一笔投资的金额和持续时间越长，其开发价值就越高。
用户在进入沉淀期之前具有一定的试验经验期。在此期间的决策时间段内，未返回再投资的用户将比返回再投资的用户具有更大的发展价值。此外，再投资和更新的数量和持续时间越长，发展价值越高。
在计算公式之后用户的存款账户余额可能为零的前提下，仍然生成登录和访问行为的用户对于开发而言相对更有价值。访问频率和浏览时间越高，用户就越相关。
然后，在从多个方面获得的数据信息中，逐渐分析具有相对较大发展价值的用户。从而调整客户服务部门，促进部门的工作针对的是团体和策略。
2.在不活动期间和活动期间，在消除其他外部因素影响的前提下，不同投资能力的用户，返还资金的预期价值将达到什么样的决策操作。用户撤回或续订投资。
如示例数据示例所示，用户连续15天还款，并且每天返回的平均金额达到≥退货操作将退还759.9元，累计退货金额达到518.17元时执行最低退货操作。 。因此，我们可以从数据中初步推断用户的退货投资决策，并且决策的预期价值需要退还资金≥将执行518.17元。
在用户付款时，有一笔973.76元的付款，当天，正在进行50元的充值操作。这是一种非常奇怪的行为，这种行为就像很多人都有一个圆润的心态。关于标点符号心理学在一些电子商务营销方法中很常见。如果有研究心理学心理学，欢迎朋友们提供一些关于“修剪”心态的信息。
接下来，我们根据数据提出以下假设性问题供您参考。
首先看下图：
这里假设用户投资能力水平被设置为五个级别（具体如上），并且前一个示例的用户处于投资能力小的水平。根据所有用户的数据模型分析，我们可能会发现不同级别的用户在做出更新决策时可以粗略估计他们的决策价值。这些计算出的数据能否更准确地用于客户服务部门？是否有客户的后续访问？
同样地，当用户做出当前决定时，用户将返回到用户的不同级别的决策期望值是什么样的，用户将执行提款操作？
平台上每个用户的总投资额（通常称为仓库）是否可用于通过数据模型分析平台的综合能力，以及用户在平台上开放职位的心理期望是什么样的范围？
上述问题被移交给具有大量数据并具有某些技术能力来解决数据获取的平台操作朋友。
指导角色
每个操作链接（即，用户的分层指导）从内容，交互和视觉方面引导以观察和指导。
这方面的数据大致是页面访问数据（访问次数，重复访问，访问深度），信息到达数据，转换数据（激活，唤醒，转换）等。主要适用于：客户服务部门，推广部门，运营部门。详细信息适用于：活动策划帖，文案帖，产品帖，设计帖。
多维权衡
根据每个调整后的运营策略，挖掘多维深度数据并权衡数据的准确性。
这里的数据需求可能更多地在事件计划职位和客户服务职位上，例如活动参与，用户活动，信息到达率，激活转换率和增加的决策行为。
可变影响
每个操作数据的变量集中在数据变量中涉及的多维影响值。
这部分内容主要是：用户撤资行为，用户操作异常行为，用户活动异常，用户决策习惯异常。主要用于风险预警和行为预判，主要数据适用于客户服务部门，品牌部门和运营部门。详细信息适用于：客户服务职位，负面信息监控职位，活动策划职位或交易管理职位。
好的，这次我会先来这里。确实，寒冷的天气不活跃，码字很难。此分享中的部分内容尚未详细解释，稍后我将逐步分享。或者等我分享我目前的大量数据建模然后分享它。我目前正在研究一组数据模型，可能大约有100个。
作者：路人丁先生，公众微信号：MrLuRenDing。拥有7年的网络营销和互联网运营经验，以及两年的电子商务运营经验。
本文最初由@Mr路人丁发表。未经许可，禁止复制。
该地图来自PEXELS，基于CC0协议
